Cinco activos técnicos que forman la única cadena de validación cuantitativa integrada de la región. No son herramientas de trading. Son infraestructura para validar cualquier decisión de alto impacto: política de compras de insumos, flujo de caja de proyectos, claims de rendimiento, despliegue de agentes autónomos.
Cada activo cumple una función distinta. Juntos forman un pipeline que va desde la formulación de la hipótesis hasta el despliegue con frenos de seguridad — sin saltar ningún paso.
Simulador event-driven (~590 LOC) que reproduce series temporales período a período, evaluando cada
decisión sin acceso a información futura. Cinco mecanismos de corrección de sesgo que eliminan la
inflación sistemática presente en la mayoría de los evaluadores disponibles.
Casos concretos: política de compra de divisas para importadores; aprovisionamiento de insumos volátiles (combustible, harina, fertilizantes) contra precios históricos ODEPA; evaluación de contratos de flete marítimo contra índices de tarifas; timing de venta de cosecha.
Resuelve barras donde confluyen múltiples eventos mediante trayectoria intraperíodo, eliminando la resolución optimista que infla resultados de forma silenciosa.
El costo de ejecución es función del contexto de cada período, no una constante. Corrige el error que crece precisamente donde el sistema toma más decisiones.
Contabiliza el rendimiento por unidad de tiempo-capital, permitiendo comparar políticas con distinta frecuencia en términos equivalentes.
Gestión de posición por tramos condicionada a confirmación, en lugar de exposición binaria todo-o-nada.
La lógica de protección de posición está desacoplada de la lógica de objetivos, evitando degradación mutua.
~590 líneas. Honestidad equivalente a motores institucionales (QuantConnect/LEAN) con una fracción de la complejidad. Cero dependencias pesadas.
Este motor nació de una anomalía: la discrepancia sistemática entre un evaluador rápido-aproximado y la simulación lenta-honesta. Traccionada esa divergencia con disciplina, expuso una cadena completa de errores que ninguna corrección de implementación habría encontrado — porque apuntaban al proceso equivocado.
La práctica resultante: toda validación corre en doble vía (rápida vs. honesta) y toda divergencia es señal, nunca ruido. Es empaquetable como método y está integrada en el Activo D.
"Honestidad institucional con huella de cientos de líneas. Sin las curvas de aprendizaje de plataformas cuantitativas pesadas."
Genera miles de trayectorias futuras basadas en cadenas de Markov de regímenes. La salida no es un
escenario sino una distribución completa de resultados posibles, con probabilidad de ruina explícita.
El formalismo es completamente agnóstico al dominio: cambiar de dominio equivale a redefinir los estados
y re-estimar la matriz.
Mapeos directos: regímenes climáticos (normal / sequía / helada) para planes agrícolas · regímenes de pago de mandantes públicos (al día / 30 días / 90+ días) para flujo de caja de contratistas · regímenes de demanda (alta / media / crisis) para planes de negocio en postulaciones CORFO/SERCOTEC.
Estimación automática de estados latentes y matriz de transición desde datos históricos del dominio.
Estrés controlado de la matriz de transición con el grado de perturbación como variable de reporte, nunca como sesgo oculto.
Evaluación de la política contra miles de futuros simulados. Salida: percentiles, probabilidad de ruina, drawdown condicional.
"Sobrevive en X% de N futuros simulados. Con la modificación M, en Y%." Esa es la pregunta que importa.
El formalismo Markov se adapta a cualquier serie con estados identificables: climáticos, de pago, de demanda, logísticos.
Para dominios con datos insuficientes: matrices pre-calibradas por sector. Se construyen una vez, se reutilizan N veces.
"Cambia la pregunta de '¿funcionó en el pasado?' a '¿sobrevive a la distribución de futuros plausibles?'. Esa reformulación es el producto."
Implementación del Deflated Sharpe Ratio (familia Bailey–López de Prado) que corrige cualquier métrica por el número efectivo de pruebas realizadas para encontrarla. El insumo distintivo: los trials se reconstruyen desde evidencia primaria — logs, commits, registros de experimentos — nunca desde declaraciones del auditado. En un caso interno real, la reconstrucción llegó a N≈70.000 pruebas efectivas; un benchmark que mostraba Calmar 13.10 in-sample deflactó a 1.46. Todas las estrategias activas quedaron estadísticamente indistinguibles de cero edge. Eso es lo que este activo hace.
El número de pruebas no se acepta: se reconstruye desde logs, commits y registros del auditado.
Aplica la familia de correcciones Bailey–López de Prado para obtener la métrica real tras descontar el sesgo de búsqueda.
Entregable formal: claim declarado, trials reconstruidos, métrica deflactada, veredicto técnico.
Aplica a cualquier claim del tipo "encontramos X que funciona" donde hubo libertad de búsqueda: trading, marketing, agronomía, startups.
Cuando la evidencia primaria es incompleta, el informe declara una cota inferior de trials — nunca una certeza falsa.
Servicio de auditoría adversaria de claims cuantitativos. No requiere adaptación de código para venderse, solo empaquetado.
"No pregunta cuántas pruebas dice el cliente que hizo. Reconstruye el número real desde evidencia primaria. Esa es la diferencia entre una opinión y un hallazgo."
El precio de una auditoría adversaria se ancla al tamaño de la decisión protegida, no a las horas. Una auditoría de $300k–1M CLP que protege un cheque de $20M+ se justifica sola. El riesgo de no hacerla es el precio real.
Los clientes suelen pagar por confirmación, no por verdad. El comprador correcto de un detector de mentiras no es quien hizo el claim — es la contraparte que está a punto de creerle. Ese es el cliente de este activo.
Activo no-código. Es el proceso disciplinado que produjo los hallazgos reales: pre-registro de hipótesis
antes de mirar resultados (anti-HARKing), cadena de custodia de decisiones, auditoría cruzada con roles
diferenciados. Detecta errores de categoría, no solo errores de implementación.
Este proceso detectó el error que tres correcciones correctas no encontraron. Todas las correcciones apuntaban a la implementación correcta — el proceso equivocado seguía activo desde fuera. Un proceso que detecta errores de categoría es raro. Y vendible.
Capacitación ejecutiva en decisiones con datos sin auto-engaño. Material construido sobre bitácora real anonimizada.
Cadena de custodia metodológica equivalente a cadena probatoria. Aplicable a peritajes de deepfake, evidencia digital y disputas técnicas.
Las bases de evaluación CORFO, SERCOTEC y GORE premian metodología verificable. Estructuramos la evidencia y proyecciones de postulaciones bajo protocolo auditable — con fee fijo + éxito. Caso demostrativo interno: detección de desalineamiento temático en postulación regional antes de presentación.
"Este proceso encontró el bug que tres iteraciones de correcciones no encontraron — porque todas corregían la implementación correcta apuntando al proceso equivocado. Un proceso que detecta errores de categoría es raro y vendible."
Tres módulos de runtime (portfolio_guard,
veto_memory,
eip_manager) que envuelven un sistema de decisión
autónoma con circuit breakers, memoria de fallos y exposición incremental. En un ecosistema donde
los agentes de IA se despliegan masivamente sin capa de seguridad de ejecución, estos módulos son
exactamente esa capa faltante.
Forma de producto: agent_guard — wrapper que se interpone entre un agente y sus herramientas, con políticas declarativas (presupuestos, vetos, límites por acción, escalamiento a humano) en un archivo de configuración legible. Tres modelos: componente en despliegues propios · servicio de hardening de bots ya desplegados · producto standalone.
Monitorea métricas de daño contra límites declarados y corta la ejecución al violarse. Generaliza a kill-switch ante divergencia entre comportamiento observado y esperado.
Memoria persistente de acciones que produjeron malos resultados, con prohibición de repetición. Lista de bloqueo aprendida: respuestas, órdenes erróneas, secuencias con rollback.
El sistema no compromete recursos de golpe sino por tramos condicionados a confirmación. Cualquier acción autónoma de alto impacto, fragmentada con checkpoints entre tramos.
"El despliegue masivo de agentes ocurre sin capa de seguridad de ejecución. Estos tres módulos son esa capa. Cuando el operador es no-técnico, los frenos son más necesarios, no menos."
Pre-registras la pregunta y las métricas (D) → validas contra el pasado real (A) → validas contra la distribución de futuros estresados (B) → deflactas los resultados por la búsqueda realizada (C) → despliegas con frenos y monitoreo (E). Ningún actor regional ofrece esta cadena integrada. Los que ofrecen piezas — consultoras financieras, auditoras — no tienen ni el motor honesto ni la corrección por multiplicidad.
Los activos C y D son independientes del dominio origen y no requieren adaptación. A, B y E requieren trabajo de abstracción estimado en semanas, no meses.
Traes un claim, un historial o un sistema. Aplicamos el activo relevante de la cadena y entregamos un informe técnico firmado. Sin compromiso de largo plazo.
Diseñamos y ejecutamos el pipeline completo desde pre-registro hasta despliegue con guardias. Resultado: una decisión con trazabilidad auditoria de extremo a extremo.
Formación ejecutiva en decisiones con datos sin auto-engaño. Material construido sobre casos reales anonimizados. Para equipos que toman decisiones de alto impacto con frecuencia.
"Si estás leyendo esto, ya sabes que este nivel de rigor existe y que alguien en la región puede implementarlo."
Son infraestructura de validación. El dominio de origen no importa. Lo que importa es la cadena: hipótesis → simulación → escenarios → deflación → guardias.
No "¿la decisión es buena?" sino "¿sobrevive a la distribución de futuros adversos, con los trials reales contados, y con frenos que la detengan si se desvía?"
No hay deck genérico. Cuéntanos qué decisión estás evaluando o qué claim quieres auditar y conversamos desde ahí.